Финансовая сфера

Банковское обозрение


  • Цифровизация — маст-хэв!
08.10.2022 FinCorpFinTechАналитика

Цифровизация — маст-хэв!

Вопреки всему, перевод финансового сектора на «цифру» продолжается. Банки, страховые компании, а также компании, работающие на фондовом рынке, все чаще внедряют технологии ИИ, роботизации рутинных процессов, аналитики больших данных. Результатами этой работы и рекомендациями для желающих перенять их опыт некоторые из них поделились на конференции CNews «Цифровизация финансового сектора»


Цифровым клиентам цифровое обслуживание

Сегодня на вопрос «Что такое цифровые продажи?» каждый банк отвечает по-своему. В БСПБ таковыми считают продажи, полный цикл которых протекает в интернете без участия операциониста или оператора контакт-центра. «Мы для себя определили, что у нас есть онлайн-продажа, есть цифровая продажа (ее инициирует цифровой канал) и есть бизнес-план, предполагающий продажу без контакта с человеком на стадии оформления продукта», — рассказал Игорь Бутенко, директор по развитию цифрового бизнеса БСПБ.

Игорь Бутенко (БСПБ). Фото: CNews

В 2019–2022 годах в банке было создано несколько кросс-функциональных команд, объединяющих менеджеров по продуктам и специалистов по цифровым каналам. Эти команды занимались цифровыми продажами выбранных продуктов из портфелей для розницы и для корпоративных клиентов, а управление подходами осуществлялось из единого центра. Результатом их работы помимо роста цифрового направления стало обогащение клиентских баз, которыми сегодня пользуется контакт-центр БСПБ. «Мы определяем “теплоту” клиентов, их цифровой след и дополняем этой информацией базы. Таким образом, более 90% всех баз, которые использует наш контакт-центр, сформировано в цифровом канале», — отметил Игорь Бутенко.

За последние три года БСПБ увеличил долю продаж потребительских кредитов в цифровых каналах в два раза, 98-99% контактов с потребителями совершаются в «цифре», 65% активных клиентов каждый месяц заходят в цифровые платформы, а треть из них делают это ежедневно. В этом году цифровой канал стал самым продающим каналом в банке, опередив контактный центр.

Сейчас в клиентской базе БСПБ выделен сегмент цифровых клиентов, он характеризуется такими метриками, как количество продуктов на одного клиента, их проникновение в базу этих клиентов и портфель продуктов. «Когда мы смотрим только на продажи в штуках, мы очень сильно ограничены в инструментах роста бизнеса», — пояснил Игорь Бутенко. По его словам, в прошлом году в банке начали учитывать также цифровую выручку, но оказалось, что показатель никак не отражает, обеспечил ли эту выручку цифровой канал продаж или клиент был направлен на цифровую платформу в каком-то альтернативном канале. А каналы продаж в БСПБ конкурируют между собой за лучших клиентов.

Сейчас делается ставка на модель «Следующее лучшее предложение» — Next Best Offering (NBO). Она помогает найти персонализированный подход, в основе которого лежат знания о поведении клиента и его покупках и который позволяет предложить ему необходимый в данный момент банковский продукт. С точки зрения специалистов банка, это один из инструментов, который поможет максимизировать цифровые продажи и повысить доходность канала.

Как оценить рынок по разным банковским продуктам

Цифровые технологии с успехом могут использоваться и в корпоративном сегменте. Тут знание о клиентах является ключом к росту бизнеса. «Для нас было важно знать, в каких банковских продуктах у клиента есть потребность, каковы объем и доля рынка этого клиента, а также специфику отрасли, которую он представляет: динамику рынка, тенденции», — рассказала Юлия Саввина, управляющий директор отдела расчета клиентских кошельков блока корпоративно-инвестиционного бизнеса ВТБ.

Юлия Саввина (ВТБ). Фото: CNews

В ВТБ разработали приложение «Кошелек» — точный аналитический инструмент оценки рынка на уровне отдельных юридических лиц по конкретному банковскому продукту. Для каждого такого «Кошелька» собирается и анализируется информация из шести коммерческих и девяти открытых источников. Для одного клиента, как правило, используются несколько источников, которые приоритизируются по качеству, полноте, достоверности и актуальности. «Например, для расчета “Кошелька” по зарплатным проектам мы используем восемь источников. Это данные ФНС, данные Росстата, доступные рейтинги, отчеты. Также мы используем моделирование на основе сведений о средней заработной плате в конкретной отрасли в конкретном регионе», — пояснила Юлия Саввина.

По ее словам, если данные отсутствуют в явном виде, для расчета «Кошелька» используются алгоритмические расчеты и косвенные индикаторы. Так, для получения информации о рынке для конкретного клиента по аккредитивам применяется парсинг пояснительных отчетов к РБСУ-отчетам, а информация по конкретному клиенту собирается по документарным операциям.

На сегодняшний день специалисты ВТБ уже рассчитали «Кошельки» по 12 банковским продуктам. Все они размещены в CRM-системе банка собственной разработки. «В ней можно увидеть не только информацию по структуре компании (по юридическому лицу), но и данные по конкретному рынку, по конкретному продукту, с указанием доли клиента на рынке, а также с детализацией источника, откуда мы эти данные берем», — рассказала Юлия Саввина.

«Кошельки» используются в широкой линейке бизнес-процессов банка: в бизнес-планировании, при выработке клиентских или отраслевых стратегий, при установлении условий обслуживания, а также при оптимизации системы развития бизнеса в регионах.

Особенность разработанного в ВТБ аналитического инструмента заключается в том, что он применяется для оценки всей банковской продуктовой линейки по всем юридическим лицам, зарегистрированным на территории Российской Федерации. Кроме того, наличие в его основе огромного количества данных из разных источников позволяет делать различные аналитические срезы — анализировать рынок не только в разрезе клиентов, но и в разрезе сегментов, отраслей, регионов и т.д.

«Кошельки» — источник информации для продаж и расширения охвата сегмента B2B, поэтому они интересны не только банкам, но и финансовым компаниям, поставщикам услуг лизинга, факторинга и т.д., а также крупным корпоративным клиентам в сегменте B2B. Сейчас в ВТБ прорабатывается вопрос о реализации аналитических отчетов на основе «Кошельков» для других банков.

ML-модели: построить и эффективно использовать

Около 30% страховых компаний в России применяют решения на базе ИИ, такие данные привел Сергей Алешкин, руководитель направления Data Science, «СОГАЗ» (Страховое общество газовой промышленности). Объяснение этому простое — уже более 70% их клиентов готовы приобретать страховые продукты в безбумажной форме, а оставшиеся 25% согласны на полностью цифровое страхование.

Сергей Алешкин («СОГАЗ»). Фото: CNews

Решения на основе ИИ применимы в страховых компаниях на каждом этапе взаимодействия с потребителем: при прогнозировании спроса, подборе оптимальных каналов коммуникаций, расчете персональных тарифов и подготовке персональной продуктовой корзины для клиента. «Искусственный интеллект используется у нас в таких бизнес-процессах, как скоринг при страховой проверке, выявление мошенничества, при подготовке и проведении прямых и кросс-продаж, а также при планировании маркетинговых компаний», — рассказал Сергей Алешкин.

Исследование данных для решения задач бизнеса предполагает поэтапную работу. Она начинается с постановки бизнес-целей и включает в себя такие этапы, как изучение имеющихся в компании данных, их подготовка и очистка, выбор оптимального метода построения модели, построение модели, оценка ее качества и при необходимости совершенствование. При этом эксперт отметил, что этап подготовки данных занимает около 80% времени. Снизить его можно, применив инструменты Low-Code.

Помимо повышения скорости разработки моделей применение Low-Code библиотек для их подготовки обеспечивает мультиплатформенность — возможность использовать данные из разных сред без каких-то дополнительных настроек. Важно, что этот инструмент снижает требования к знанию разработчиками языков программирования. В условиях нехватки специалистов по ML и программистов, владеющих Python, он позволит привлечь к построению модели машинного обучения людей из бизнеса, что положительно отразится на ее качестве.

В страховой компании «СОГАЗ», по словам Сергея Алешкина, для создания и обучения моделей сейчас активно используют Pycaret — Low-Code библиотеку с открытым исходным кодом. «Она позволяет сделать предварительную обработку дата-сета, прогнать его по всем способам машинного обучения и выявить максимально эффективные», — пояснил эксперт.

В качестве примера он привел модель, которая используется с 2019 года в более чем 200 отделениях компании «СОГАЗ» из 70 регионов России, предназначенную для прогнозирования спроса на продукты добровольного страхования у клиентов ОСАГО. По статистике, из 100 клиентов ОСАГО только четверо рассмотрят возможность приобретения каско, страхования имущества и т.д. Модель отбрасывает 98% незаинтересованных клиентов, затем из оставшихся выделяет 40% клиентов, готовых пробрести продукты добровольного страхования в ближайшее время.

Ее применение помогло компании «СОГАЗ» существенно снизить трудозатраты на кросс-продажи. С операторов контакт-центра снимается необходимость обзванивать клиентов, вероятность положительной реакции которых на предложение будет минимальной. Они фокусируются на клиентах, которые с высокой долей вероятности купят такой продукт. Благодаря этому они грамотно распределяют время и добиваются в продажах большего успеха.

Инвестеху нужны персонализированные коммуникации с клиентами

Российские инвестиционные компании и банки привлекли более 1 млн новых клиентов, для удобства которых был разработан ряд рекомендательных сервисов. Но после 24 февраля 2022 года ситуация изменилась: процентные ставки выросли, перспективы экономического роста оказались под вопросом, многие «движки», которые должны были рекомендовать стратегии инвестиций, себя не оправдали. Также ряд российских банков, предлагавших доступ к иностранным ценным бумагам, оказались под санкциями, констатировал Ярослав Кабаков, директор по стратегии «ФИНАМ».

Ярослав Кабаков («ФИНАМ»). Фото: CNews

Огромные клиентские базы необходимо сегментировать, клиентов по продуктам нужно поддерживать, а их в инвестиционных компаниях сотни, а то и тысячи. Решать эти задачи можно только за счет автоматизации работы с клиентской базой и развития коммуникаций с ней как верного способа повышения лояльности. По словам эксперта, с 25 февраля и до конца лета 2022 года клиенты жаловались на отсутствие коммуникаций с инвестиционными компаниями.

При этом благодаря цифровизации потребность клиентов в способах и каналах коммуникаций изменилась, и традиционных средств им уже недостаточно. В большинстве своем они предпочитают многоканальное взаимодействие, а некоторые клиенты уже готовы к полностью цифровому обслуживанию. У многих сформировалась потребность в том, чтобы эти коммуникации были персонализированными.

Отсюда — тренды на роботизацию рутинных процессов, оптимизацию работы контакт-центров, развитие чат-ботов и голосовых помощников, а также интерес к социальному трейдингу, наблюдающиеся сейчас в банках и инвестиционных компаниях.  

На базе информационно-аналитического агентства ГК «ФИНАМ» реализовала сервис персонализированной текстовой аналитики, то есть аналитики, адаптированной к модели поведения клиентов, их образу жизни и стилю потребления контента. По словам Ярослава Кабакова, он был встречен клиентами с одобрением.






Новости Релизы
Сейчас на главной

ПЕРЕЙТИ НА ГЛАВНУЮ